加载中
在构建具有多个工具的应用程序时,您需要处理这样的场景:Claude可能需要按顺序调用多个工具来回答用户的单个问题。例如,如果用户问"从今天起103天后是星期几?",Claude需要先获取当前日期,然后在此基础上加上103天。

这会形成一种多轮对话模式,即Claude在给出最终答案之前会发出多次工具请求。您的应用程序需要自动处理这种情况。
多轮工具模式
以下是当Claude需要多个工具时幕后发生的事情:
- 用户询问:"从今天起103天后是星期几?"
- Claude以工具使用块作出响应,请求调用
get_current_datetime - 您的服务器调用该函数并返回结果
- Claude意识到需要更多信息,于是请求调用
add_duration_to_datetime - 您的服务器调用该函数并返回结果
- Claude现在拥有足够的信息来提供最终答案

构建对话循环
为了处理这种模式,您需要一个持续运行的对话循环,直到Claude不再请求工具为止:
python
def run_conversation(messages):
while True:
response = chat(messages)
add_assistant_message(messages, response)
# 伪代码
if response isn't asking for a tool:
break
tool_result_blocks = run_tools(response)
add_user_message(messages, tool_result_blocks)
return messages
重构辅助函数
在实现对话循环之前,您需要更新辅助函数,以便正确处理多个消息块。
更新消息处理器
您的add_user_message和add_assistant_message函数目前假设您始终处理的是纯文本。请更新它们以处理完整的消息对象:
python
from anthropic.types import Message
def add_user_message(messages, message):
user_message = {
"role": "user",
"content": message.content if isinstance(message, Message) else message
}
messages.append(user_message)这样您就可以传入字符串、块列表,或完整的消息对象。
更新聊天函数
修改您的聊天函数,使其接受一组工具列表,并返回完整的消息,而不仅仅是文本:
python
def chat(messages, system=None, temperature=1.0, stop_sequences=[], tools=None):
params = {
"model": model,
"max_tokens": 1000,
"messages": messages,
"temperature": temperature,
"stop_sequences": stop_sequences,
}
if tools:
params["tools"] = tools
if system:
params["system"] = system
message = client.messages.create(**params)
return message从消息中提取文本
由于您现在返回的是完整的消息对象,请创建一个辅助函数,在需要时提取文本:
python
def text_from_message(message):
return "\n".join(
[block.text for block in message.content if block.type == "text"]
)该函数会找到消息中的所有文本块并将它们拼接在一起,这在您需要向用户显示最终响应时非常有用。
关键改进
这些重构步骤为您的代码进行稳健的工具处理做好了准备:
- 灵活的消息处理 - 您的辅助函数现在可以处理不同的消息格式
- 聊天中的工具支持 - 聊天函数可以接收并传递工具模式(schemas)
- 完整消息返回 - 您获得的是完整的消息对象,而不仅仅是文本,从而保留了所有消息块
- 文本提取实用工具 - 一种从复杂消息中轻松获取可读文本的方法
有了这些基础,您就可以实现自动处理多次工具调用的对话循环了,从而打造一种无缝体验,让Claude可以根据需要使用任意数量的工具来回答用户问题。